使用 python 和 numpy 计算正则化损失函数的梯度

Question

我有以下公式：

我试图在函数中使用来计算正则化损失函数的梯度。我有dataSet，它是[(x(1), t(1)), ..., (x(n), t(n))] 的数组，以及训练数据n = 15。

这是我到目前为止所拥有的，知道损失函数是vector here.

def gradDescent(alpha, t, w, Z):
    returned = 2 * alpha * w
    y = []
    i = 0
    while i < len(dataSet):
        y.append(dataSet[i][0] * w[i])
        i+= 1
    return(returned - (2 * np.sum(np.subtract(t, y)) * Z))

---

问题是，w 始终等于 (M + 1) - 而在 dataSet 中，t 等于 15。这导致越界乘法。我计算公式错误吗？有什么帮助吗？

Answer 1

我相信您正在搞乱您对数据集数组的索引。还要确保您的数组实际上定义为数组而不是列表。我相信像 list[i][j] 这样的列表索引和像 array[i,j] 这样的数组索引。

所以我会通过以下方式运行您的数据对象：

import numpy as np
dataSet=np.asarray(dataSet)

然后用这个while循环替换你的while循环：

while i < len(dataSet):
        y.append(dataSet[i,0] * w[i])
        i+= 1